결정론적 프레임워크에서 평균 합의 알고리즘

본 연구는 다중 노드 네트워크에서 초기 값들의 평균을 정확히 복원하는 평균 합의 문제를, 통신 지연과 링크 실패가 임의적으로 발생할 수 있는 결정론적 신호 시퀀스 환경에서 다루고 있다. 먼저, 노드 i가 시간 t에 보유하는 “지식 집합(Ki(t))”을 정의하고, 각 노드가 신호 집합(Sij(tij0, tij1))을 전송·수신함으로써 이 집합을 업데이트하는 프레임워크를 제시한다. 가정(A1‑A3)은 (i) 노드가 임의의 스칼라를 저장·전송 가능, (ii) 신호 전송은 인과성을 만족하는 지연을 포함, (iii) 초기 시점에 각 노드가 자신의 식별자, 전체 노드 수 n, 그리고 초기 벡터 si(0)를 알고 있음을 명시한다. 평균 합의는 모든 노드의 지식 집합에 초기 평균 \(\bar{s}(0)=\frac{1}{n}\sum_{i}s_i(0)\)가 포함될 때 달성된다고 정의한다. 논문은 네 가지 알고리즘을 제안한다. 첫 번째 BM(Bench‑Mark) 알고리즘은 전통적인 플러딩 방식으로, 각 노드가 자신이 알고 있는 모든 스칼라와 식별자를 전파한다. 이 과정에서 모든 정보가 네트워크 전체에 퍼지게 되며, 가장 약한 연결 조건인 SV‑SC(“단일 V‑강연결”)만 만족하면 평균 합의가 보장된다. BM은 O(nd) 스칼라 저장·전송 비용을 요구하지만, 수렴 속도가 최적에 가깝다. 두 번째 DA(Distributed‑Averaging) 알고리즘은 BM을 압축한 형태로, 각 노드가 수신한 값들의 평균만을 유지한다. DA는 반복적으로 SV‑SC가 나타나는 구간이 무한히 존재하면 충분한 IV‑SC(“무한히 V‑강연결”) 조건 하에서 평균 합의를 달성한다. 이는 기존 연구에서 요구되는 균형 라플라시안 가정이나 즉시 양방향 통신을 필요로 하지 않는다. DA는 O(n+d) 스칼라 비용을 필요로 하며, d≥n인 경우 O(d) 비용으로도 동작한다. 세 번째 OH(One‑Hop) 알고리즘은 BM의 단순화 버전으로, 한 번의 홉 전파만으로 정보를 교환한다. 연결 조건을 SV‑CC(“단일 V‑완전연결”)로 완화한다. 네 번째 DDA(Discretized Distributed‑Averaging) 알고리즘은 DA를 이산화한 형태로, IV‑CC(“무한히 V‑완전연결”) 조건을 만족하면 평균 합의를 보장한다. OH와 DDA는 각각 O(n+d)와 O(d) 수준의 저장·전송 비용을 갖는다. 논문은 각 알고리즘에 대한 필요충분 연결 조건을 정리한 정리(Theorem 4.2‑4.5)를 제시하고, 증명은 라플라시안 행렬이나 리아푸노프 함수 대신 신호 전파와 평균값 감소에 대한 하한을 직접 유도하는 결정론적 방법을 사용한다. 이를 통해 평균 합의가 L2 노름 기준으로 점진적으로 감소함을 보이며, 수렴 속도에 대한 정량적 경계도 제공한다. 비교 대상으로는 기존 Gossip 알고리즘(